```html

第 24 名解决方案：V19 + V16V18 集成 (19.59 SNR)

方法：回归，而非分割

我们最初尝试了分割（预测二值轨迹掩码），但失败了——粗轨迹、重叠导联以及对亚像素精度的需求使其变得不切实际。相反，我们将此框架化为逐像素 y 坐标回归：对于每个 x 位置，预测 ECG 轨迹的连续 y 坐标。

---

数据策略

问题：Kaggle 的 Ground Truth (GT) 单位是毫伏，而不是像素。转换回来会引入对齐误差。

解决方案：主要使用具有像素级完美 Ground Truth 的合成 ECG进行训练，然后混入 Kaggle 数据进行领域适应。

我们将单独的行提取为独立的样本（数据量增加 4 倍），以基线为中心裁剪每一行（±250px），并仅使用信号区域（宽 3926px，无边距）。

---

架构

V16: 单导联回归基线

输入：[B, 3, 500, 3926] (单行裁剪)
  │
  ▼
ConvNeXt-Base 编码器 (ImageNet-22k 预训练)
  │
  ▼
带有跳跃连接的 U-Net 解码器
  │
  ▼
高度注意力机制 (y 轴上的 softmax)
  │
  ▼
1D 卷积回归头 → Sigmoid
  │
  ▼
输出：[B, 3926] 归一化 y 坐标

V18: 跨行优化器 (堆叠在 V16 之上)

获取 V16 的预测结果，并通过同时查看所有 4 行对其进行优化：

• 从 V16 预测创建高斯“引导通道”（σ=15px）
• EfficientNet-B0 编码器（4 通道：RGB + 引导）
• 3 个跨行 Transformer 块，具有跨行自注意力机制
• 输出小的残差修正（Tanh × 可学习缩放因子 ~0.1）

关键洞察：跨行注意力隐式地学习了爱因托芬定律 (II = I + III) 并捕捉行与行之间的不一致性。

V19: BiLSTM + 可变形卷积

输入：[B, 3, 500, 3926]
  │
  ▼
ConvNeXt-Base 编码器
  │
  ▼
带有可变形卷积的 U-Net 解码器 (最后 2 个阶段)
  │
  ▼
高度注意力机制
  │
  ▼
双向 LSTM (2 层，hidden=128)
  │
  ▼
线性头 → Sigmoid
  │
  ▼
输出：[B, 3926]

可变形卷积：学习自适应感受野以处理弯曲/扭曲的轨迹。
BiLSTM：捕捉整个 10 秒 ECG 的长程时间依赖性。

---

为什么集成有效：互补的失败模式

这些架构具有不相关的误差（相关性约 0.3-0.4）。当取平均时，错误会相互抵消。

ensemble = 0.4 * V19 + 0.6 * V16V18  # 经验上的最佳比例

---

训练

损失函数：

Loss = 1.0 × MaskedL1 + 0.2 × SNRLoss + 0.1 × GradientLoss

• MaskedL1：有效区域上的像素精度
• SNRLoss：直接优化竞赛指标 (-10*log10(signal²/noise²))
• GradientLoss：一阶导数的平滑度约束

设置：

• AdamW (lr=1e-4, weight_decay=0.01)
• 余弦退火调度 (Cosine annealing schedule)
• 混合精度 (FP16) 配合梯度缩放
• 重度增强 (噪声、模糊、颜色抖动、粗 Dropout)
• 通过 DistributedDataParallel 进行多 GPU 训练

V18 训练：冻结 V16，训练优化器以预测小的残差修正。

---

后处理

• Savitzky-Golay 平滑 (window=7, polyorder=2)
• 爱因托芬定律校正 (α=0.25 误差分布)
• 幅度钳位 (±10 mV)

---

结果

---

关键要点

1. 对于亚像素轨迹提取，回归 > 分割
2. 具有像素级 GT 的合成数据至关重要
3. 架构多样性 → 不相关的误差 → 有效的集成
4. 跨行注意力 (V18) 和 BiLSTM (V19) 完美互补
5. 直接 SNR 损失优化有帮助

感谢阅读！

特别感谢 @hengck23 提供的 stage 0/1 流程

```